AIテレアポを構築して分かった、
誰も語らない7つの壁

「AIで電話営業を自動化すれば、人件費が削減できて効率が上がる」

そう考えて音声AIの導入を検討する企業は多い。しかし、実際にAIテレアポ（AI自動架電システム）をゼロから構築してみると、想像もしなかった壁が次々に現れる。

この記事では、私たちRabona AIが音声AIプラットフォームを開発する過程で直面した7つの壁と、それをどう乗り越えたかを、技術とマーケティングの両面から共有する。これからAIテレアポの導入や構築を考えている方にとって、「やってみないと分からない」部分を少しでも可視化できれば幸いだ。

壁1: 暗黙知の言語化

ベテラン営業の「当たり前」をAIに教える難しさ

AIテレアポ構築で最初にぶつかる壁は、技術ではなくドメイン知識の問題だった。

ベテランの営業担当者は、電話中に無意識のうちに膨大な情報を処理している。相手の声のトーン、言葉の選び方、間の取り方。これらすべてから、「この人は今忙しそうだ」「興味はあるが即決はしない」「予算感はこれくらいだろう」と瞬時に判断している。

この「暗黙知」をプロンプトとしてAIに伝えるのは、想像以上に困難だった。

暗黙知の具体例

たとえば、顧客が「ちょっと今忙しいんですよね」と言ったとき、人間の営業担当者は以下を同時に判断する。

• 本当に忙しいのか、断り文句なのか -- 声のトーンや言い方から判別
• 忙しいなら、いつなら良いか -- 自然にリスケジュールの提案に移行
• 断り文句なら、何に引っかかっているのか -- 別のアプローチで再アプローチ

これをAIに教えようとすると、「忙しいと言われたら、声のトーンを判断して...」とは書けない。音声AIのリアルタイム処理では、テキスト化された発話内容と、ある程度の音声特徴しか使えないからだ。

Speee社の事例から学んだこと

Speee社が公開したDifyプロンプトチューニングの記事では、外壁塗装の電話営業データ構造化において、まさにこの「暗黙知との向き合い」が最大の課題だったと語られている。

顧客が「家はもう20年くらい住んでて、屋根の色がちょっと変わってきてる」と言っただけで、ベテランのCS担当者は築年数（20年）、劣化状況（チョーキング現象の可能性）、工事種別（屋根塗装vs張り替えの判断）を同時に抽出していた。

これと同じ構造が、テレアポのAI化でも発生する。営業トークの中に散りばめられた断片的な情報を、AIは文脈を理解した上で正しく解釈しなければならない。

私たちの解決アプローチ

私たちが取ったアプローチは、現場の営業担当者との深いフィードバックループだった。

1. 録音データの分析 -- 実際の通話録音を大量に聞き、営業担当者が「何をどう判断しているか」を言語化
2. 判断基準のマッピング -- 「この発話が来たら、この判断をする」というルールを網羅的に整理
3. プロンプトへの反映とテスト -- 言語化した判断基準をプロンプトに落とし込み、実際の通話データで検証
4. 現場レビューによる修正 -- AI出力を営業担当者にレビューしてもらい、「ここが違う」をフィードバック

このサイクルを何十回と回すことで、プロンプトは単なる命令文ではなく、サービスの営業品質そのものを記述したドキュメントへと進化していった。Speee社の事例では、最終的にプロンプトが45,000文字、バージョン42にまで達したという。私たちも同様に、プロンプトは繰り返しの検証を通じて成長し続けるものだと実感している。

壁2: リアルタイム音声処理

0.3秒の沈黙が命取りになる世界

テキストベースのチャットボットと音声AIの最大の違いは、時間の制約だ。

チャットなら、ユーザーがメッセージを送ってから返信が来るまで数秒待つのは普通だ。しかし電話では、0.3秒の沈黙が「不自然な間」になる。1秒以上空くと、「この電話、大丈夫か？」と不信感を抱かれる。

音声処理パイプラインの複雑さ

AIテレアポのリアルタイム音声処理は、以下のパイプラインで構成される。

電話回線からの音声取得
  → 独自の音声前処理パイプライン
  → 発話区間の検出・解析
  → AI推論（会話理解・応答生成）
  → 自然音声への変換
  → 電話回線への送出

この各ステップで遅延が発生し、それが積み重なる。特に問題になったのは以下の3点だ。

音声活動検出（VAD）の閾値設計。相手が話し終わったのか、一瞬考えているだけなのかを判別する必要がある。沈黙検出を短く設定すると、相手が考え中なのにAIが話し始めてしまう。長く設定すると、応答が遅くなる。

私たちは独自の検証プロセスを通じて、日本語の電話会話に最適化された沈黙検出の閾値を導き出した。数十パターンの実通話データを用いた反復検証の末にたどり着いたこのパラメータは、Rabona AIの会話品質を支える重要な技術資産の一つだ。

音声フォーマットの最適化。電話回線の音声規格とAIが処理する音声規格には差異がある。この変換処理がボトルネックにならないよう、独自の高速変換アルゴリズムを設計・実装した。

LLM推論のレイテンシー。プロンプトが長くなればなるほど、推論に時間がかかる。暗黙知を詰め込んだ巨大プロンプトと応答速度のトレードオフは、常に頭を悩ませる問題だった。

初期応答の高速化テクニック

私たちが採用した解決策の一つが、多段階プロンプト切り替え技術だ。

通話開始直後の「第一声」には、応答速度を最優先した軽量な処理を適用する。その裏側で、本格的な会話エンジンの準備を並行して進める。この多段階の切り替え技術により、人間と変わらない自然な応答タイミングを実現した。具体的な段階数や切り替えロジックは、数百件の実通話データから導き出したRabona AI独自の設計だ。

壁3: プロンプト設計の沼

指示を増やすほど壊れていく矛盾

プロンプト設計は、AIテレアポ構築の中核であり、最も時間を費やした部分だ。

直感的には、プロンプトに詳しい指示を書けば書くほどAIの精度が上がると思うだろう。しかし現実は逆のことが起きる。指示が増えるほど、AIが混乱し、予期しない動作をするようになる。

「推測するな」という指示の難しさ

Speee社の事例でも言及されていたが、AIには「わからないときはわからないと言う」ことが難しい。

たとえば、テレアポ中に相手の予算を聞き出すシーンを考えてほしい。相手が「まあ、そのあたりは追々で...」と濁した場合、AIは以下のような判断を迫られる。

• この発話から予算情報を抽出すべきか → 抽出してはいけない（情報がないのでnull）
• 一般的な相場観を代入すべきか → してはいけない（推測の禁止）
• 追加で質問すべきか → 会話の流れ次第で判断

プロンプトに「情報がない場合はnullにせよ」と書くだけでは不十分だ。Speee社が発見したように、nullにすべき条件を徹底的に言語化する必要がある。

Speee社の事例では、築年数一つとっても以下のレベルで条件を定義していた。

• 顧客が「わかりません」と明言した → null
• 営業側が相場説明として言及した数値 → 採用しない
• 顧客の推測「だいたい○○くらい」 → 採用可能

このレベルの条件分岐を、会話の中に登場するあらゆる情報項目について定義していく。気が遠くなるような作業だが、これをやらないとAIが「それっぽい嘘」を出力し続ける。

Chain of Thought の活用

複雑な判断が必要な場面では、AIに「思考プロセス」を踏ませるChain of Thought（CoT）手法が有効だった。

たとえば、通話中に複数の数値が飛び交う場面。「30坪くらいの家で、築15年、塗り替えの相場が80万くらいって聞いたんですけど」という発話から、面積・築年数・予算をそれぞれ正しく抽出する必要がある。

プロンプトに段階的な判定ステップを強制する。

Step 1: 発話に含まれる数値をすべて列挙する
Step 2: 各数値が何を指しているか文脈から判定する
Step 3: 営業側の説明に含まれる数値は除外する
Step 4: 残った数値を適切なフィールドにマッピングする

この手法により、数値の取り違えが大幅に減った。

Few-shot プロンプティングの威力

正しい出力例（Few-shot）をプロンプトに含めることで、AIの判断精度は飛躍的に向上する。ただし、ここにも罠がある。

正例だけでなく、NGパターンも明示する必要がある。「こういう場合はこう出力してほしい」という例だけでなく、「こういう場合にこう出力してはいけない」という反例を含めることで、AIの判断境界が明確になる。

Speee社のプロンプトが45,000文字に達したのは、この正例・反例の蓄積によるものだ。私たちのプロンプトも、運用を重ねるごとに成長し続けている。

壁4: 留守番電話・IVR判定

「もしもし」の前に立ちはだかる壁

AIテレアポの記事やプレゼンテーションでは、「顧客との会話」の部分にフォーカスが当たりがちだ。しかし現実の架電では、電話が繋がってから人間と会話できるまでの間に、複数の関門がある。

• 留守番電話 -- 応答メッセージが流れるだけで、会話相手がいない
• IVR（自動音声応答） -- 「営業のお電話は1番を押してください」のようなガイダンス
• FAX -- ピーーという信号音
• 話し中 -- ビジートーン

これらを正しく判定できないと、AIが留守番電話に向かって延々と営業トークを展開するという悲惨な状況が発生する。

判定の難しさ

留守番電話の判定は、想像以上に難しい。

パターンが多すぎる。個人の留守電メッセージは千差万別だ。「ただいま電話に出ることができません」という定型もあれば、「はい、○○です。今ちょっと手が離せないので...」という、一見すると本人が出たかのようなメッセージもある。

IVRとの区別。「お電話ありがとうございます。○○株式会社です」は、受付の人間が出たのか、IVRの自動音声なのか。音声の自然さだけでは判別できない場面がある。

応答タイミングの問題。留守電のメッセージが流れている最中にAIが「お忙しいところ失礼いたします」と話し始めてしまうと、録音されるのは意味不明な音声の混在になる。

私たちの解決策

私たちは、通話開始直後の音声を高精度に分類する独自の判定エンジンを開発した。音声の特徴量、発話パターン、応答タイミングなど複数のシグナルを組み合わせた多角的な判定ロジックにより、人間・留守電・IVRを高い精度で分類する。この判定エンジンの精度向上には、数千件の実通話データを用いた継続的なチューニングを重ねている。

判定結果に応じて、以下のように分岐する。

• 人間と判定 → 会話エンジンに切り替え、営業トーク開始
• 留守電と判定 → 通話を終了、再架電リストに追加
• IVR検出 → 適切な対応フローへ分岐

この仕組みにより、留守電への無駄な通話時間を大幅に削減できた。テレアポにおいて、「繋がらない電話にどう対処するか」は、「繋がった電話でどう話すか」と同じくらい重要だ。

壁5: 曖昧な返答への対応

「大丈夫です」は肯定か拒否か

日本語は、世界でもっとも曖昧な言語の一つだ。そして、テレアポの場面ではその曖昧さが極限まで増幅される。

「大丈夫です」「まあ、ちょっと考えます」「今はいいかな」「けっこうです」

これらの発話は、文脈によって真逆の意味を持つ。「大丈夫です」は「OK、進めてください」の意味かもしれないし、「いらないです、結構です」の意味かもしれない。

AIが陥る「楽観バイアス」

営業用のAIに何も対策をしないと、曖昧な返答を肯定的に解釈するバイアスがかかりやすい。これは、プロンプトの中に「アポイントを獲得する」「商談に繋げる」といったゴール指向の記述があるためだ。

AIは目標達成のために、曖昧な返答を都合よく解釈して前に進もうとする。その結果、「いや、そういうつもりで言ったんじゃないのに...」という顧客体験の悪化に繋がる。

確認フローの設計

私たちが採用したのは、曖昧さを検出したら必ず確認するというルールだ。

• 「大丈夫です」「結構です」などの曖昧表現が出たら、文脈から100%確定できない場合は確認質問を挟む
• 確認の仕方は自然な会話の中で行う（「○○ということでよろしいでしょうか？」）
• 2回確認しても曖昧な場合は、否定と解釈して丁寧に引く

これにより、AIの「押しすぎ」を防ぎつつ、確度の高いアポイント獲得に繋げることができた。

「聴く」ことの技術的実装

会話設計の原則として、私たちは「聴くことを優先する」を掲げている。技術的には、以下のような独自技術で実現している。

相槌・フィラーの高精度分類。日本語の電話会話には「はい」「ええ」など、単なる相槌なのか、同意・承諾なのかを文脈で判断すべき発話が多い。私たちは独自の発話分類モデルを用いて、これらの微妙な違いを判定し、AIの応答タイミングと内容を最適化している。

「間」の理解。日本語の会話には、考えながら話す「間」がある。私たちのシステムは、沈黙が「話の終わり」なのか「思考中の間」なのかを独自のアルゴリズムで判定する。この技術により、相手の思考を遮らない自然な会話リズムを実現した。

即時割り込み対応。相手が「ちょっと待って」と言った瞬間、AIは自らの発話を即座に中断する。この割り込み検知と応答制御には、独自に開発したリアルタイム処理技術を用いており、人間同士の会話と遜色のない反応速度を達成している。

壁6: マーケティングとの接続

架電リストの質が全てを決める

ここまでは主に技術的な課題を語ってきた。しかし、AIテレアポの成否を決める最大の要因は、誰に電話するかだ。

どれだけ優秀なAI会話エンジンを作っても、架電リストの質が低ければ成果は出ない。これは人間のテレアポでも同じだが、AIの場合はさらに顕著になる。

なぜリストの質がAIでより重要になるか

人間の営業担当者は、相手の反応に応じて臨機応変にアプローチを変えられる。リストの質が多少悪くても、腕のいい営業なら「刺さる一言」を見つけることができる。

しかしAIは、プロンプトに設計された会話フロー以上の対応はできない。相手の属性やニーズに合わないトークスクリプトは、そのまま不適切な会話になる。

マーケティングファネルとの統合

効果的なAIテレアポを実現するには、マーケティングファネルの上流からの設計が不可欠だ。

リードスコアリングとの連動。Webサイトでの行動データ、資料請求の有無、メール開封率などを基にスコアリングし、AIテレアポに回すリードの優先順位を決定する。スコアが高いリードには詳細なトークスクリプトを、低いリードにはヒアリング重視のスクリプトを適用する。

CRM連携の重要性。私たちのシステムでは、主要CRMとの連携を設計に組み込んでいる。架電結果は自動的にCRMに記録され、次のマーケティングアクション（メール配信、リターゲティング広告など）のトリガーになる。

タイミングの最適化。いつ架電するかは、誰に架電するかと同じくらい重要だ。キャンペーンスケジュール機能で営業時間内の最適な時間帯に架電を集中させ、不在時の自動リスケジュールを組み込んでいる。

コンテンツマーケティングとの相乗効果

AIテレアポの成果を最大化するために、コンテンツマーケティングとの連動を設計することを強く推奨する。

1. ブログやホワイトペーパーで課題認知を醸成 → リード獲得
2. メールマーケティングでナーチャリング → 興味度合いのスコアリング
3. スコアが閾値を超えたリードにAI架電 → 確度の高いアポイント設定
4. 架電結果をCRMに記録 → 次のマーケティング施策にフィードバック

この一連の流れの中で、AIテレアポは「点」ではなく「線」の施策として機能する。

壁7: 品質評価と改善ループ

「なんとなく良い」では進めない

AIテレアポの品質をどう測定し、どう改善していくか。これは構築後の運用フェーズにおける最大の課題だ。

人間のテレアポなら、スーパーバイザーがモニタリングして、その場でフィードバックできる。しかしAIの場合、何百件もの通話を人間がレビューするのは現実的ではない。

定量指標の設計

私たちが設定しているAIテレアポの品質指標は以下の通りだ。

AIによるAIの評価

Speee社の事例で紹介されていた「AIによる自動品質担保」のアプローチは、私たちも取り入れている。

別のAI（評価用LLM）が、通話のトランスクリプトとAIの応答を評価する。評価用プロンプトには、ベテラン営業のレビュー観点を注入する。

評価観点:
- 顧客の発話を正しく理解しているか
- 不適切な推測をしていないか
- 会話の流れが自然か
- 必要な情報を漏れなく聴取しているか
- 曖昧な返答に対して適切に確認しているか

この「AI同士の対話」による品質評価は、人間のレビュー時間を大幅に削減しつつ、一定水準の品質担保を可能にしている。

差分更新によるプロンプト改善

通話が蓄積されるにつれ、新たなエッジケースが見つかる。そのたびにプロンプトを修正していくわけだが、ここでも注意が必要だ。

一箇所を直すと別の箇所が壊れる。プロンプトは一つの巨大なシステムだ。ある条件分岐を追加すると、別のシナリオでの挙動が変わることがある。

私たちは、プロンプトの変更時に回帰テストを必ず実施する。過去の通話データセットに対してAIを走らせ、変更前後で品質指標が悪化していないかを確認する。

AIテレアポの全体アーキテクチャ

ここで、私たちが構築したAIテレアポシステムの全体像を整理しておく。

マーケティング視点で見るAIテレアポの本質的価値

単なるコスト削減ツールではない

AIテレアポの導入を検討する企業の多くは、「人件費削減」を第一の目的に挙げる。確かにコストメリットはあるが、それだけでは本質を見誤る。

AIテレアポの本質的な価値は、以下の3つにある。

1. データ駆動型営業の実現

人間のテレアポでは、通話内容の記録は営業担当者のメモや記憶に依存する。しかしAIテレアポでは、すべての通話が自動的にテキスト化され、構造化データとして蓄積される。

• どのトークが刺さるか -- 会話パターンとアポイント獲得率の相関分析
• どの属性のリードが反応するか -- セグメント別の応答率の可視化
• どの時間帯が効果的か -- 時間帯別の接続率・会話継続率の分析
• 断られる理由の分類 -- 拒否理由のパターン化と対策立案

人間のテレアポでは不可能だった、営業活動の全量データ分析が可能になる。

2. スケーラビリティの非連続的な向上

人間のテレアポチームをスケールさせるには、採用・教育・マネジメントのコストが線形的に増加する。10人のチームを100人にするには、単純計算で10倍のコストがかかる。

AIテレアポでは、同時架電数を増やすためのコストは主にインフラとAPI利用料だ。品質を維持したまま、架電量を非連続的にスケールさせることができる。

3. 一貫した顧客体験の提供

人間の営業担当者は、コンディションによってパフォーマンスが変動する。月曜朝のテンションと金曜夕方のテンションでは、会話の質が違う。

AIは常に同じ品質で対応する。トークスクリプトの遵守率100%、必須ヒアリング項目の漏れゼロ。これは顧客体験の均一化という観点で、大きな価値がある。

よくある質問（FAQ）

まとめ -- AIテレアポは「電話の自動化」ではない

7つの壁を振り返って改めて感じるのは、AIテレアポの構築は「電話対応の自動化」という単純な話ではないということだ。

• 暗黙知の言語化は、組織の営業ノウハウを形式知化するプロセスそのもの
• プロンプト設計は、サービスの接客品質を定義するドキュメント作成
• マーケティングとの接続は、営業プロセス全体の再設計

つまり、AIテレアポの構築は、営業組織のDX（デジタルトランスフォーメーション）そのものだ。

これから始める方へ

もしAIテレアポの導入を検討しているなら、以下のステップを推奨する。

1. まず現状の営業プロセスを徹底的に可視化する。暗黙知を洗い出すことが第一歩。
2. 小さく始める。全体を一気に自動化しようとせず、特定のセグメント・特定のスクリプトから始める。
3. フィードバックループを回し続ける。プロンプトは一度作って終わりではない。運用しながら継続的に改善する。
4. マーケティングと一体で設計する。架電リストの質と、架電結果のフィードバックをマーケティング施策と接続する。
5. 品質指標を定義してから始める。「何をもって成功とするか」を事前に合意する。

AIテレアポは、正しく構築すれば、営業組織に非連続な成長をもたらす。しかしそのためには、技術だけでなく、ドメイン知識、マーケティング戦略、品質管理の知見を総動員する必要がある。

この記事が、その道のりを少しでも照らす灯りになれば幸いだ。